摘要
交通事故严重程度影响因素分析是道路交通安全的重要研究方向，摩托车作为交通参与中的弱势方，发生交通事故时驾驶员容易受到直接伤害，现有的研究大多只考虑摩托车交通事故严重程度的影响因素，忽略了交通事故的时空信息，但是时间和空间对交通事故严重程度有着重要影响，因此本研究从交通事故严重程度影响因素的时空异质性角度出发，探究摩托车交通事故严重程度影响因素在空间和时间上的规律，以期提高交通安全水平。 首先，针对摩托车交通事故影响因素的空间异质性尺度问题，在地理加权回归模型（Geographically Weighted Regression, GWR）的基础上，通过放宽所有局部系数的空间过程尺度都是相同的这一假设，构建多尺度地理加权回归模型（Multi-scale Geographically Weighted Regression, MGWR），研究不同影响因素的空间尺度，并结合回归系数的空间分布图，分析影响因素对摩托车交通事故严重程度的空间异质性影响；其次，针对摩托车交通事故影响因素的时空异质性问题，通过增加考虑交通事故发生时的时间信息，分别采用双平方权函数或高斯函数、自适应带宽或固定带宽的组合，构建时空地理加权回归模型（Geographically and Temporally Weighted Regression, GTWR），探究最优的时空权函数和带宽组合形式，并对模型结果进行时空非平稳性检验，对具有时空非平稳性的影响因素，结合回归系数的时空分布图，分析影响因素对摩托车交通事故严重程度的时空异质性影响；然后，针对摩托车交通事故中广泛存在的群体异质性，将事故数据划分为青年驾驶员和老年驾驶员两类，探究年龄与摩托车交通事故严重程度的相关性，采用多尺度地理加权回归模型和时空地理加权回归模型，分别构建关于青年驾驶员和老年驾驶员的交通事故严重程度模型，对模型识别出的时空异质性因素进行对比分析。 研究结果表明：（1）多尺度地理加权回归模型可以有效识别出影响因素的空间尺度，根据模型回归结果，有8个影响因素的空间尺度较小，说明其空间异质性程度较大，包括疲劳、强光、车速、涉及车辆数、城镇、T 型交叉口、夜间无灯光和多云；（2）采用高斯函数+自适应带宽的组合，可以构建最优的时空地理加权回归模型，且并非所有影响因素都能通过时空非平稳性检验，根据模型回归结果，有6个影响因素通过了非平稳性检验，包括车速、年龄、城镇、身体缺陷、十字交叉和多云；（3）年龄与摩托车交通事故严重程度有相关性，青年驾驶员和老年驾驶员两类人群的摩托车交通事故严重程度影响因素在空间尺度和时空不稳定性上有较大差异，在青年驾驶员摩托车交通事故严重程度影响因素中，身体缺陷、分心驾驶、性别、交叉口、车速和左弯共6个影响因素空间尺度较小，且城镇通过了非平稳性检验，而在老年驾驶员摩托车交通事故严重程度影响因素中，毒驾、城镇、交叉口和车速共4个影响因素空间尺度较小，且交叉口、路面湿滑、车速、限速、其他头盔和夜间无灯光通过了非平稳性检验。 研究结果不仅有助于深入了解影响因素对摩托车交通事故严重程度的时空异质性影响，同时有助于交管部门有针对性的提出局部或全局的摩托车交通安全对策。
NETL